### Carga de paquetes de R
library(dplyr)
library(ggplot2)
library(plotly)
library(DT)
library(rgdal)
library(readxl)
library(readr)
library(lubridate)
# Carga de datos de Datos
estadisticas_policiales <-
readxl::read_excel("C:/Users/User/Downloads/estadisticaspoliciales2021.xls")
# Transformacion de la Fecha
estadisticas_policiales$Fecha <- as.Date(estadisticas_policiales$Fecha, format = "%d/%m/%Y")
estadisticas_policiales %>%
dplyr::select(Delito,
Fecha,
Victima,
Edad,
Genero,
Provincia,
Canton) %>%
datatable(
colnames = c(
"Delito",
"Fecha",
"Víctima",
"Edad",
"Género",
"Provincia",
"Cantón"
),
options = list(
pageLength = 5,
language = list(url = '//cdn.datatables.net/plug-ins/1.10.11/i18n/Spanish.json')
)
)
## Warning in instance$preRenderHook(instance): It seems your data is too big
## for client-side DataTables. You may consider server-side processing: https://
## rstudio.github.io/DT/server.html
grafico_estadisticas_policiales <-
estadisticas_policiales %>%
count(Delito) %>%
ggplot(aes(x = reorder(Delito, n), y = n)) +
geom_bar(stat = "identity") +
ggtitle("Cantidad de Delitos por Tipo de Delito") +
xlab("Tipo de Delito") +
ylab("Cantidad") +
coord_flip() +
theme_minimal()
ggplotly(grafico_estadisticas_policiales)
estadistica_pormes <- estadisticas_policiales %>% mutate(fecha_mes = lubridate::month(Fecha))
nombres_estadisca <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre")
grafico_estadisticas_pormes <-
estadistica_pormes %>%
count(fecha_mes) %>%
ggplot(level = levelorder, (aes(x = reorder(nombres_estadisca, fecha_mes), y = n))) +
geom_bar(stat = "identity") +
ggtitle("Cantidad de Delitos por mes") +
xlab("Mes") +
ylab("Cantidad") +
theme_minimal( )
ggplotly (grafico_estadisticas_pormes)
barra_proporcion_genero <-
estadisticas_policiales %>%
ggplot(aes(x = Delito, fill = Genero)) +
geom_bar(position = "fill") +
ggtitle("Proporciones de Delitos según el Género") +
xlab("Género") +
ylab("Proporciones") +
labs(fill = "Delito") +
theme_minimal()
ggplotly(barra_proporcion_genero)
grafico_estadisticas_cantones <-
estadisticas_policiales %>%
count(Canton) %>%
filter(Canton == "SAN JOSE" |
Canton == "ALAJUELA" |
Canton == "CARTAGO" | Canton == "HEREDIA") %>%
ggplot(aes(x = reorder(Canton, n), y = n)) +
geom_bar(stat = "identity") +
ggtitle("Cantidad de Delitos en los Cantones de San José, Alajuela, Cartago y Heredia") +
xlab("Cantón") +
ylab("Cantidad") +
theme_minimal()
ggplotly(grafico_estadisticas_cantones)
Datos abiertos del Organismo de Investigación Judicial (OIJ). (30, noviembre, 2020). Estadisticaspoliciales2021 [Base de datos]. Recuperado de https://sitiooij.poder-judicial.go.cr/index.php/ayuda/servicios-policiales/servicios-a-organizaciones/indice-de-transparencia-del-sector-publico-costarricense/datos-abiertos